幅相误差对有源相控阵天线副瓣的影响

对误差分布函数进行了理论分析,通过分析有源相控阵系统的组成,构建了其误差组成结构,并推导了误差计算公式.通过理论推导和仿真分析研究了幅相误差对有源相控阵天线副瓣电平的影响.结合误差计算公式和副瓣电平公式得到了实现所需副瓣电平的幅相误差分配方法.     

利用模糊理论对单脉冲雷达天线副瓣的自动识别及跟踪

本文讨论了根据单脉冲雷达的特点及跟踪过程，运用模糊综合评判、模糊数据库、模糊控制的原理对单脉冲雷达系统的天线进行副瓣自动识别及跟踪的方法，经过仿地具试验初步验证该方法是可行的。     

随机幅相误差对线阵方向图最高副瓣电平的影响研究

副瓣电平是天线的重要技术指标之一,较低的副瓣电平可以减弱杂波影响、提高雷达的抗干扰能力。但在实际设计天线的过程中,不可避免的会引入随机误差,使得阵列的口径分布发生变化,直接影响天线阵的性能。随机误差的引入最终都可以表现为阵列各个单元的幅度误差和相位误差,故需要分析随机幅相误差对阵列天线副瓣电平的影响。本文以此出发,应用统计学理论,得到计入随机幅相误差后阵列副瓣区副瓣电平的统计特性,并由此分析在整个副瓣区域内最高副瓣电平的统计特性。结合计算机仿真,证明分析计算结果的正确性。     

基于模拟器的单脉冲雷达幅相修正方法研究

以某型单脉冲测量雷达为研究对象,提出一种单脉冲测量雷达无塔幅相修正方法.从而降低了建造成本和维护难度,取得了良好的军事和经济效益.     

一种微波脉冲大功率器件的幅相测试方法

宽带固态有源相控阵雷达对发射通道幅相特性有严格的一致性要求，本文就此进行了简单地论述，提出了一种微波脉冲功率器件的幅相特性测试方法，并给出了试验数据。     

固态有源相控阵天线多阶振幅量化及副瓣特性的研究

本文研究了多阶振幅量化二维低副瓣固态有源相控阵天线的口径设计方法，结果表明，这种方法能够有效地降低固态有源相控阵的峰值副瓣电平，并且可适且于任意复杂口径天线。另外，对于随机幅相误差和单元（或Ｔ／Ｒ组件）失而引起的增益损失及峰值副瓣电平恶化也进行了分析。     

基于FPGA的副瓣信号抑制技术研究

针对雷达副瓣信号对雷达测向精度所造成的测向偏差问题,通过对雷达天线副瓣特性、辅助天线特性的分析,提出了改进的基于比幅法的副瓣信号抑制实现方法,并经实际环境验证证明了该改进方法的有效性.     

HF雷达阵列信道幅相特性的一种估计方法

使用空间谱估计中的多信号分类（MUSIC）算法探测信号到达角，阵列天线互耦系数和信道相位精度直接影响到达角的精度和分辨率，对相控阵雷达无须远/近场辅助信号源估计多个信道幅相值的方法进行了研究。并将此方法用于浙江舟山高频地波相控阵雷达系统，首先对阵列天线互耦系九进行测量估计，然后对系统的信道幅相值进行了实测估计和补偿，证明使用的方法是正确的。     

基于多实例回归模型的视觉跟踪算法研究

目前大部分基于检测的跟踪算法将跟踪任务看作是一个类别分类的任务,当目标发生形变或者遇到相似物体的干扰时,容易导致模型漂移。为此该文提出一种多实例回归跟踪算法。在该算法中,跟踪任务被认为建立在实例模型之上更为合适,为此该文利用一帧图像建立实例模型,并在时间序列上建立多实例模型集合表征目标的最近状态;为使跟踪算法能够适应目标的形变,利用逻辑回归将实例模型作为隐变量,由最近若干帧建立的正负样本集作为训练集,共同构建多实例回归跟踪模型。由于跟踪模型在整体上对多个实例模型建模,把它们紧密地联系在一起,故能有效应对目标的形变;由于模型漂移仅会影响当前帧的实例模型,各个实例模型之间互相独立,故跟踪算法能够有效减轻模型漂移对鲁棒跟踪的影响。实验中,OTB 2013数据库和UAV 123数据库被用来验证该文算法,DeepSRDCF, Siamese-fc等算法作为对比算法,实验结果表明,该文算法不仅充分发挥了基于多实例回归模型进行跟踪的优势,在形变等属性上具有很好的性能,而且在整体性能上优于各类先进算法3%~5%。     

基于多重分形特征的通信调制方式识别研究

该文提出一种基于多重分形特征的数字通信信号调制方式识别新方法。对接收信号进行去噪预处理,基于2维数据阵列求取信号的广义维数和多重分形谱;详细讨论了权重因子q对多重分形谱的影响,提取了13个多重分形特征参数;设计了基于多重分形特征的支持向量机分类器对不同信号进行调制方式识别。仿真结果表明,该算法在低信噪比情况下具有很好的识别性能。     

基于多尺度细节增强的面部表情识别方法

人类面部表情是其心理情绪变化的最直观刻画,不同人的面部表情具有很大差异,现有表情识别方法均利用面部统计特征区分不同表情,其缺乏对于人脸细节信息的深度挖掘。根据心理学家对面部行为编码的定义可以看出,人脸的局部细节信息决定了其表情意义。因此该文提出一种基于多尺度细节增强的面部表情识别方法,针对面部表情受图像细节影响较大的特点,提出利用高斯金字塔提取图像细节信息,并对图像进行细节增强,从而强化人脸表情信息。针对面部表情的局部性特点,提出利用层次结构的局部梯度特征计算方法,描述面部特征点局部形状特征。最后,使用支持向量机(SVM)对面部表情进行分类。该文在CK+表情数据库中的实验结果表明,该方法不仅验证了图像细节对面部表情识别过程的重要作用,而且在小规模训练数据下也能够得到非常好的识别结果,表情平均识别率达到98.19%。     

基于最优参数搜索的车辆中网识别方法研究

目前国内外车型识别方法中基于中网区域特征的研究较少,且分类识别的效率和精度较低。该文在分析中网格栅区域结构特征、中网窗口形状特征及区域纹理特征的基础上,提出基于最优参数搜索的改进型C参数的支持向量分类(C-SVC)车辆中网分类识别方法,该方法采用双角度约束以提高分类的效率和精度,即一方面设计基于马氏距离和a-原则对样本数据进行优化分选,并结合加权判别算法加快支持向量机的训练测试速度,以提高算法泛化效率;另一方面在核函数参数设定过程中,设计了基于先验知识的迭代最优参数搜索算法,以提高分类器的分类识别精度。实验表明,上述车辆中网识别方法检测准确率达到97.53%,具有精度高、误检率低的优点,同时极大优化分类识别效率,能够满足识别分类的实时性要求。     

基于局部敏感核稀疏表示的视频跟踪

为了解决l1范数约束下的稀疏表示判别信息不足的问题,该文提出基于局部敏感核稀疏表示的视频目标跟踪算法。为了提高目标的线性可分性,首先将候选目标的SIFT特征通过高斯核函数映射到高维核空间,然后在高维核空间中求解局部敏感约束下的核稀疏表示,将核稀疏表示经过多尺度最大值池化得到候选目标的表示,最后将候选目标的表示代入在线的SVMs,选择分类器得分最大的候选目标作为目标的跟踪位置。实验结果表明,由于利用了核稀疏表示下数据的局部性信息,使得算法的鲁棒性得到一定程度的提高。     

基于粒子群优化-支持向量机方法的下肢肌电信号步态识别

为提高下肢表面肌电信号步态识别的准确性和实时性,该文提出一种基于粒子群优化(PSO)算法优化支持向量机(SVM)的模式识别方法。首先对消噪后的肌电信号提取积分肌电值和方差作为特征样本,然后利用PSO算法优化SVM的惩罚参数和核函数参数,最后利用步态动作的肌电信号样本数据对构造的SVM分类器进行训练、测试。实验结果表明PSO-SVM分类器对下肢正常行走5个步态的识别率,明显高于未经参数优化的SVM分类器,优化后平均识别率达到97.8%,并兼顾了分类的准确性和自适应性。     

基于微多普勒特征的地面目标分类

轮式履带式车辆目标分类是低分辨雷达地面目标识别研究领域的一个难点。该文基于微多普勒效应原理建立了轮式履带式车辆的雷达回波模型,针对轮式履带式车辆微多普勒调制的不同,提出了一种基于CLEAN算法的特征提取方法,提取了一种描述目标多普勒谱能量分布的能量比特征。基于实测数据使用相关向量机(RVM)和支持向量机(SVM)的识别结果表明该特征具有较好的识别性能,同时对目标速度具有稳健性。     

基于相关性分析和支持向量机的手部肌电信号动作识别

为了有效提取表面肌电信号(SEMG)的特征,该文提出了一种基于相关性分析的改进的特征提取方法。首先用空域相关法对两路SEMG信号进行消噪预处理,然后对处理后的SEMG信号进行四尺度小波变换,并通过相关性分析提取SEMG信号的重要边缘在各尺度上的小波系数,以各尺度上的这些系数的平方和构建六维特征向量输入支持向量机分类器,对手部的多个动作进行分类。实验结果表明,基于相关性分析和小波变换构筑的特征向量结合支持向量机的方法能够以较高识别率区分伸腕、屈腕、展拳、握拳4种动作,能够得到比传统的神经网络分类器更为准确的分类结果。     

一种合成孔径雷达图像特征提取与目标识别的新方法

该文提出了一种利用小波域主成分分析和支持向量机进行的合成孔径雷达图像特征提取与目标识别的新方法。该方法对图像小波分解后提取低频子带图像的主成分分量作为目标的特征,利用支持向量机进行分类完成目标识别。实验结果表明,该方法可以明显提高目标的正确识别率,是一种有效的合成孔径雷达图像特征提取和目标识别方法。